通常報告P value是最好判別兩個面向是否有顯著性的方式。根據統計學原理，您需要提供P value來判別變數間的關係是否顯，再者，P value可以區分0.05, 0.001 和 0.01 三個層級，當您在撰寫您的研究方法時，最好特別註明您判別顯著性的方式，例如特別附加一個句子像是:「The significance threshold was set at .05 is all that is required.」

然而P value無法告訴讀者這個面向的強弱和關係，因此您應該避免只報告P value，通常會與其他重要的數據一起報告，像是相關係數或者是迴歸係數(Pearson’s r, Spearman’s rho, 等)，或者是衡量這個面向的效果 (eta-squared, partial-eta-squared, omega-squared, 等)。

我們來做個舉例「We found a significant relationship between anxiety and job satisfaction (P < .05).」這裡您在告訴讀者您有足夠的證據來證明他們的關係是不同的，但讀者不知道這個關係是否是正相關或者是負相關，舉例說:到底是高工作滿意度會提升工作者的焦慮程度呢 ? 還是高工作滿意度能降低工作者的焦慮程度 ? 更重要的是，這關係是否強或弱。對於讀者來說，您的報告要能表現關係並附上P value，如果您加了r=-.78在括號裡，您的讀者會了解這是強烈的負相關，這樣他們也能對於您的研究結果更加了解。

下面是另外一個例子「We found a significant difference between pretest and posttest scores.」 我會建議 1.先報告這個面向的相關數據，然後解釋它的差異性。2.衡量各數據的大小，讓讀者可以了解各個面向的差異性。甚至平均數和得分都能讓讀者了解這個資料的效果。

除此之外，最好完全報告P value的值因為這樣可以增加實驗的誠信度。在上面的例子裡，P value可以是 0.048，這個值是小於0.05，但是比較接近0.05。如果 P value的值是0.51，那這個關係的顯著性是不夠的。所以，如果P value是小於0.001，您可以直接在報告上寫下 P value 小於 0.001。 總而言之，需報告 P value，尤其是對於那些一手資料。

再者，下面是作者常犯的錯誤，當他們在撰寫 P value的時候。

1. “P = .00” or “P < .00”
   

   技術性來說，1. P value不可能等於0，有一些統計教學可能給你P value=0.000的結果，但是這是因為小數點第四位四捨五入的關係，所以您考慮用P value小於0.001取代 P value=0.000會讓您的數據更準確，還有一點 ，P value永遠在0和1中間，不可能為負數。

2. “P < .03”
   

   大部分期刊接受P value跟Alpha 值一起被解釋關係，像是“P  < .05,” “P  < .01,” or “P  < .001.”。他們也可以解釋一些絕對的數值，例如“P  = .03” 或 “P = .008.” 然而，P  value 傳統上不使用大於小於符號當他們不被解釋為Alpha值時。

小技巧:有很多科學、醫學和工程領域推薦零不應該被放入小數點前當數字不大於1的時候，例如correlations, proportions, and levels of statistical significance，所以P 小於 0.05應該被寫為 P 小於 .05。